Investigación de LIBS portátiles en términos de detección de metales pesados ​​en suelos contaminados

Se utilizó SciAps LIBS para realizar análisis de metales pesados ​​en suelos contaminados. El LIBS portátil simplifica el análisis cualitativo y cuantitativo necesario y es más rápido que otras técnicas convencionales.

Resumen: El suelo contaminado con metales pesados ​​se considera uno de los problemas ambientales más críticos. Con respecto al análisis de metales pesados, se han utilizado ampliamente enfoques analíticos tradicionales como la espectrometría de absorción atómica, la espectroscopia de emisión atómica de plasma acoplado inductivamente, la espectroscopia de emisión óptica ICP y la espectroscopia de masas ICP. Debido a la complejidad de esos enfoques, en la última década, el método de espectroscopia de ruptura inducida por láser se ha investigado más con la simplificación relevante en lo que respecta al análisis cualitativo y cuantitativo. Sin embargo, para la investigación del suelo, el efecto de la matriz debido a la interacción de los metales pesados ​​y las partículas del suelo resultó en una alteración física y química lo hace más complicado en comparación con el uso del enfoque LIBS en aplicaciones comunes. En este estudio, Se investigó el método de la curva de calibración con respecto a la detección de metales pesados. Para reducir el efecto de la matriz, se llevó a cabo la variante normal estándar (SNV). Además, se estudiaron el valor del coeficiente de determinación (R2), la desviación estándar relativa (RSD) y el error cuadrático medio de predicción (RMSE) con respecto a la eficiencia del modelo y la precisión de la predicción. Los resultados mostraron que la normalización de SNV aumenta el rendimiento analítico del enfoque LIBS en algunos elementos.

Acceso a la presentación:

https://www.researchgate.net/publication/347182316_Investigation_of_the_Handheld_LIBS_in_terms_of_heavy_metal_detection_in_contaminated_soil

 

Deja una respuesta

Tu dirección de correo electrónico no será publicada.